Neural Machine Translation (NMT), obwohl erst kürzlich entwickelt, hat für verschiedene Sprachpaare vielversprechende Ergebnisse gezeigt. Dennoch wurde NMT bisher vor allem auf formale Texte angewendet, wie sie beispielsweise in den WMT-Shared-Tasks vorkommen. In dieser Arbeit untersuchen wir weiterhin die Wirksamkeit von NMT in Bereich der gesprochenen Sprache, indem wir am MT-Track des IWSLT 2015 teilnehmen. Wir betrachten zwei Szenarien: (a) die Anpassung bestehender NMT-Systeme an einen neuen Domäne und (b) die Generalisierbarkeit von NMT auf Sprachpaare mit geringen Ressourcen. Unsere Ergebnisse zeigen, dass es mit einem bestehenden NMT-Framework gelingt, konkurrenzfähige Ergebnisse in den genannten Szenarien bei der Übersetzung von Englisch nach Deutsch und Vietnamesisch zu erzielen. Insbesondere konnten wir die Stand-of-the-Art-Ergebnisse im IWSLT-Track Englisch-Deutsch um bis zu 5,2 BLEU-Punkte verbessern.